芯耀
390
笔者近期组织4D成像雷达技术专家的闭门讨论会：4D成像毫米波雷达的热点问题，答案可能都在这里
由于报名人数较多，上周末进行了第一次讨论。本次面对面闭门讨论进行了4个小时，涉及4D成像毫米波雷达市场、需求、技术、产品等四大核心维度，分析4D成像毫米波雷达的行业现状、核心痛点与未来趋势。如下是整理的讨论纪要，所有内容均来自一线开发专家，和大家分享。（注：内容仅代表本次讨论的专家意见，未必完全准确，请各位行业同仁参考）下文没有图片，只有文字结论（约8000字）。
01、市场篇：规模、竞争与增量空间
问题1：2025年国内4D成像毫米波雷达的市场规模与渗透率处于什么水平？未来增长趋势如何？
2025年，国内乘用车前装毫米波雷达总装车量约3600万颗，较2024年的2800万颗同比增长约30%。其中，具备基础测高能力的4D类雷达占比达30%，装车量约1080万颗；而真正具备高分辨率的4D成像雷达，全年装车量约150万颗，在所有4D类雷达中占比15%，在全量毫米波雷达中渗透率约4.2%。
从行业预测来看，未来5年内，高阶4D成像雷达在4D类雷达中的占比将从当前的15%提升至50%-60%，成为车载毫米波雷达的主流方案，核心驱动来自辅助驾驶新国标的强制要求与L3及以上高阶自动驾驶的安全冗余需求。
问题2：当前车载毫米波雷达市场的价格竞争有多激烈？成本下降幅度有多大？
车载毫米波雷达市场的价格战已进入白热化阶段，成本下降速度远超行业预期：
传统3D雷达：2024年底主机厂拿货价已跌破100元，且采用TI 2944芯片+波导天线的成熟方案，价格仍有下探空间；
主流8T8R 4D成像雷达：2023年主机厂报价仍在1000-1500元/颗，2025年百万级订单的量产供货价已降至200元出头，主机厂从3D雷达切换为4D雷达，单车成本仅增加约140元；
高阶24T24R 4D成像雷达：当前主机厂询价区间在600-800元/颗，较2023年降幅超50%。
价格战的相当一部分原因是，头部厂商为抢占市场份额、冲刺上市或获取主机厂定点，采取“以价换量”策略。
据了解，某国际大厂为提升市占率，以百元级低价竞标项目；国内某雷达玩家以200元出头的价格拿下某主机厂150万颗订单，行业整体进入“量升利薄”的阶段。
问题3：除了乘用车前装市场，4D成像毫米波雷达还有哪些确定性的增量市场？
乘用车主赛道价格战激烈、盈利空间微薄，行业已开始向高毛利的细分场景拓展，核心增量市场包括：
两轮电摩市场：是当前重要的非车载增量场景，主要用于BSD盲区监测、RCW后向碰撞预警，高端电摩已开始搭载前向ACC雷达。有厂商年合作出货量可达30万颗，虽单颗价值低于车载，但对成本敏感度更低，且可收取开发费，能稳定贡献利润；
智能家居与智慧养老场景：核心用于室内人员存在检测、摔倒识别、呼吸/心跳等生命体征监测，相比摄像头无隐私泄露风险，相比24G雷达分辨率更高。当前60G/77G雷达已可实现会议室多人精准区分，是行业重点布局的消费级赛道；
工业检测与无人机场景：工业领域用于高精度测距、物料检测；无人机领域主要与激光雷达配合，通过SAR成像实现地形扫描、地图构建，虽无法用于实时避障，但在农业测绘、地理勘探场景有明确需求；
矿车、无人配送机器人等低速无人驾驶场景：对雷达的全天候工作能力要求高，且无需极致的车规成本控制，是中小厂商的重要生存赛道。
问题4：国产毫米波雷达MMIC芯片的市场竞争力如何？与国外厂商的差距在哪？
车载毫米波雷达MMIC芯片市场，目前仍由国外厂商绝对主导，国产替代仍处于早期阶段。
国外厂商格局：TI、英飞凌、恩智浦是三大核心玩家，在市场上占据垄断地位。其中某厂商更是通过大幅降价的方式，打压国产芯片厂商的生存空间，其降价后的价格已与国产芯片持平，凭借成熟的生态与稳定的性能，牢牢把控中低端市场。
国产厂商现状：加特兰是唯一实现大规模车载量产的国产MMIC厂商，承泰、华域等企业均有大规模采用；毫感科技、圭步微、牧野微、斯凯瑞利、矽杰微等厂商，也在研发8T8R及更高通道数的芯片，但均未实现大规模车载量产。
核心短板：与国外厂商相比，部分国内玩家产品在射频性能、车规认证、量产一致性上仍有差距。部分国产厂商的技术支持能力也弱于国外头部企业，有些仅对头部大客户提供深度技术支持，中小客户仅能提供基础资料，生态建设仍有很长的路要走。
02、需求篇：主机厂与算法商的核心诉求
问题1：辅助驾驶新国标，给4D成像毫米波雷达带来了哪些强制性的需求升级？
组合辅助驾驶新国标是4D成像雷达热度上升的重要政策驱动，其提出的苛刻工况要求，是传统3D 4发4收雷达无法满足的：
远距离小目标检测：国标要求在160米距离外稳定识别锥筒、纸箱、静止车辆，而实测数据显示，许多头部厂商的4发4收雷达，对锥筒的稳定识别距离仅二三十米，对纸箱的稳定识别距离仅七八十米，完全无法满足国标要求；而6T8R、8T8R级联的4D成像雷达，经算法优化后可实现160米以上的稳定识别，最高可达200米。
极端天气与复杂场景鲁棒性：国标要求雨天、雾天、金属棚隧道内仍需保持稳定的检测性能，尤其是隧道内倒车、静止车辆识别场景。传统4发4收雷达在该场景下几乎无法达标，而4D成像雷达经与主机厂联调优化后，可实现100米以上的稳定检测，部分厂商的方案已能满足160米以上的检测要求。
安全冗余强制要求：新国标对夜间、低照度、小障碍物的检测要求，以及L3系统对于感知冗余的要求，推动主机厂从“减配雷达”转向“增配雷达”。比亚迪提出全系上5雷达方案，上汽、吉利等主机厂也纷纷跟进，直接带动了毫米波雷达装车量的爆发。
问题2：主机厂与自动驾驶算法商，对4D成像毫米波雷达的核心功能诉求是什么？
主机厂与算法商的核心诉求，可分为安全性能、工程落地、商业成本三大维度，核心聚焦两点：
高阶自动驾驶的安全兜底能力：这是4D成像雷达最核心的不可替代价值。主机厂与算法商明确要求，在摄像头、激光雷达因团雾、暴雨、强光致盲的极端工况下，4D成像雷达需独立完成车辆的安全靠边停车，实现最低等级的安全冗余。要满足这一需求，行业普遍认为需要12T16R及以上通道数的雷达，8T8R方案仅能勉强满足，核心要求是对路沿、水泥墩、静止障碍物的稳定检测能力，以及低虚警率。
高置信度、低虚警的目标输出：这是当前算法落地的最大痛点。部分主流自动驾驶算法商，因传统雷达虚警率高、虚假点多，将雷达目标的置信度阈值设至0.8，过滤了大量有效目标，甚至出现高速追尾静止车辆时，雷达已检测到目标但被算法过滤的情况。因此，算法商的核心诉求是雷达输出的目标/点云具备高置信度，能有效抑制多径鬼影、虚假点，同时要求提升通道数至16T16R，提高点云密度与稳定性，让算法愿意真正用起来雷达数据，而非仅做速度维度的补充。
极致的降本增效：主机厂要求4D雷达在性能达标的前提下，尽可能控制成本增量，明确要求卫星/分布式雷达方案需在带MCU方案的基础上，减掉MCU的成本（约50元），目标价控制在180元以内；同时要求雷达接口与摄像头标准化统一，共用解串器与传输网络，降低整车电子电气架构的配套成本。
问题3：自动驾驶系统中，4D成像毫米波雷达的数据应用模式有哪些核心分歧？
行业对4D雷达数据的应用，分为“目标级融合”还是“点云级/原始数据前融合”：
当前主流：目标级融合：几乎所有量产车型均采用该模式，雷达端完成信号处理、目标检测与跟踪，仅向域控输出目标级信息（位置、速度、置信度等），所需带宽仅10兆左右，对域控算力无额外要求。有些主流算法商，目前仅使用雷达的多普勒速度信息，对视觉的速度检测结果做矫正，完全不使用雷达点云数据，点云仅用于诊断与调试。该模式的优势是技术成熟、落地门槛低，劣势是雷达数据的价值无法充分发挥，无法参与深度融合。
未来趋势：点云级/原始数据前融合（卫星/分布式雷达）：该模式去掉雷达端的MCU，将雷达原始ADC数据或点云数据，通过高带宽接口传输至域控，由域控统一完成信号处理、多传感器融合。优势是可实现雷达与视觉、激光雷达的深度前融合，算法迭代更灵活，性能上限更高，同时可去掉雷达端MCU实现降本；劣势是对传输带宽要求高，且需要占用域控较高算力（可能需要超过10TOPS），而当前域控的算力优先分配给视觉算法，不愿为雷达分配过多额外算力。目前仅比亚迪等少数主机厂在推进量产，行业整体仍处于研发测试阶段。
问题4：主机厂对4D成像毫米波雷达的接口与通信方案，有哪些核心诉求与技术路线分歧？
行业在雷达接口方案上，核心诉求是标准化、高带宽、低成本、高可靠性：
SerDes串行接口（当前主流方案）：该方案是车载传感器的主流方案，有量产方案中，前向主雷达采用6G SerDes，角雷达采用3G SerDes，可满足雷达点云与目标数据的传输需求。该方案优势是技术成熟、产业链完善，劣势是仅支持点对点传输，不支持网络拓扑与环网冗余，时间同步、诊断、OTA升级能力弱。目前主流是私标协议，供应商锁定效应明显，全车需统一采用同一厂商的方案。
非对称以太网（IEEE 802.3dm）：该标准预计2026年Q3冻结，英飞凌、ADI、TI等头部厂商均在参与研发，计划2027年推出样品，2028年实现量产落地。其核心优势包括：一是IEEE标准具备严格的知识产权审查，无专利费与垄断风险；二是天生支持网络拓扑、环网冗余、TSN时间同步、MAC层安全与全车诊断OTA，完美适配区域式电子电气架构；三是可实现与摄像头、激光雷达的接口标准化统一，共用解串器与主干网络，降低整车架构成本；四是物理层净速率支持2.5G、5G、10G三个档位，可对标美信12G SerDes的可用带宽，完全满足雷达与摄像头的传输需求。
主机厂的核心诉求：短期优先选择成熟的SerDes方案，保障量产落地；长期希望推动接口标准化，摆脱供应商私标锁定，同时要求接口方案支持POC供电、远程配置、时钟恢复，进一步降低硬件成本与布线复杂度。
03、技术篇：核心原理、痛点与突破方向
问题1：4D成像毫米波雷达，相比传统3D雷达、激光雷达、摄像头，不可替代的技术优势是什么？
4D成像毫米波雷达，在传统3D雷达的距离、速度、水平角检测能力基础上，新增了俯仰角检测与高分辨率成像能力，其相比其他传感器的不可替代优势，核心集中在两点：
全天候环境适应能力：毫米波的波长更长，具备极强的穿透能力，在雨、雪、雾、沙尘、强光、黑夜等极端工况下，性能衰减幅度远小于激光雷达与摄像头。激光雷达与摄像头在团雾、暴雨天气下会出现致盲，而毫米波雷达仍能保持稳定的检测能力，这是高阶自动驾驶安全冗余的核心基础，是其他传感器无法替代的。
直接、高精度的测速能力：基于多普勒效应，毫米波雷达可直接输出目标的径向速度，测速精度与响应速度，远高于摄像头通过帧间差计算、传统激光雷达通过点云匹配计算的间接测速方式。当前量产车中，毫米波雷达是唯一能实现直接测速的车载传感器，这一能力对动态目标的跟踪、预测，以及自动驾驶的决策规划至关重要。
除此之外，4D成像雷达相比传统3D雷达，解决了测高能力缺失、角分辨率不足、静态目标检测能力弱的痛点，可实现对静止车辆、路沿、锥筒等小目标的远距离检测，同时成本远低于激光雷达，车规可靠性与量产成熟度更高，是10-20万价位车型实现高阶辅助驾驶的核心传感器。
问题2：当前4D成像毫米波雷达的核心技术痛点是什么？行业有哪些主流解决方案？
当前4D成像雷达主要有三大痛点：
核心痛点一：多径效应与虚假点（鬼影）抑制
这是行业最大的工程化痛点。雷达电磁波经路面、护栏、周边车辆反射后，会形成镜像虚假目标，与真实目标混叠，不仅会造成虚警，还会淹没弱小真实目标。
当前量产方案的主流解决方式，是通过跳频波形设计、阵列天线优化、多帧跟踪滤波、人工规则化的多径消除算法，case by case地解决典型场景的多径问题，可实现90%以上的多径虚假点抑制，但无法做到100%消除。行业前沿探索的方向，包括双极化天线技术、深度学习算法，通过多维度信息区分真实目标与镜像目标。
核心痛点二：角分辨率与旁瓣抑制的矛盾平衡
角分辨率是4D成像雷达的核心指标，取决于天线阵列的口径与通道数，口径越大、通道数越多，角分辨率越高；但同时，高分辨率的稀疏阵列会导致旁瓣抬升，旁瓣过高会引发强目标的能量泄露，造成虚假点，也会导致大目标旁的弱小目标被淹没。
当前量产方案的主流解决方式，是通过阵列布阵优化、加权算法，将8T8R方案的第一旁瓣抑制到13-14dB，在分辨率与旁瓣之间实现工程化平衡；同时，行业普遍采用“选择性超分辨算法”，仅在正前方重点区域启用超分辨算法提升分辨率，其余区域保持传统算法，平衡分辨率与稳定性，避免超分辨算法带来的检测结果抖动。
核心痛点三：低反射率/弱目标的稳定检测
毫米波雷达对水泥墩、毛糙路沿、低反射率非金属目标的检测能力弱，是行业长期存在的痛点，核心原因是这类目标对毫米波的吸波率高、反射信号弱，易被噪声淹没。
当前主流解决方案，是提升雷达接收机的动态范围（行业普遍要求达到30dB以上），优化CFAR恒虚警检测算法，提升对弱信号的识别能力；同时，通过多帧积累提升弱目标的信噪比，平衡检测距离与实时性。
问题3：4D成像毫米波雷达的阵列通道数，与性能的对应关系是什么？入门与高阶方案的门槛在哪？
阵列通道数是决定4D成像雷达性能的核心硬件基础，其与性能的对应关系、方案门槛如下：
4D成像雷达的入门门槛：行业公认的4D成像雷达入门配置是6发8收（6T8R），核心判定标准是具备有效的俯仰向分辨率。低于该通道数的方案（如4发4收），俯仰向无有效分辨率，仅能实现基础的测高，无法实现成像能力，仅能算作“4D类雷达”，而非真正的4D成像雷达。
通道数与核心性能的对应关系：
通道数越多，虚拟阵列孔径越大，不仅角分辨率越高，旁瓣抑制能力、抗干扰能力、点云密度也会同步提升。同等口径下，24T24R相比16T16R，核心优势不是分辨率的大幅提升，而是旁瓣抑制效果更好，检测结果的稳定性与抗干扰能力更强，虚假点更少。
通道数提升的核心约束：通道数并非越高越好，其核心约束来自雷达尺寸、功耗、成本。车载前保险杠的安装空间有限，雷达口径无法无限放大，通道数提升带来的口径增加，会直接影响装车适配性；同时，通道数越多，功耗越高，8T8R方案平均功耗可控制在10W以内，24T24R方案峰值功耗会超过12W，对整车供电提出更高要求；此外，通道数提升会直接带来芯片成本的增加，是高阶方案量产的核心瓶颈。
问题4：人工智能/深度学习，在4D成像毫米波雷达中的应用现状与未来趋势如何？
当前人工智能在4D成像雷达中的应用，仍处于研发探索阶段，量产落地项目较少，行业的应用探索与核心瓶颈如下：
当前量产应用现状：量产车型中，几乎没有深度学习算法在雷达信号处理中落地，仅在雷达目标分类、目标框回归环节，应用了随机森林、多层感知机等传统机器学习方法，用于优化目标尺寸估计与分类准确率，未用到深度卷积神经网络。
行业核心研发方向：
基于深度学习的多径虚假点抑制：替代传统人工规则化算法，通过数据驱动的方式，学习真实目标与多径虚假目标的特征差异，实现更通用、更高效的鬼影消除，是当前最核心的研发方向；
端到端的雷达信号处理：从雷达原始ADC数据/距离维数据，直接通过深度学习网络输出目标级信息，替代传统的CFAR检测、DOA测角、目标跟踪全流程，简化算法链路，提升极端场景下的检测性能；
多传感器前融合：将雷达点云与图像、激光雷达点云输入统一的深度学习网络，实现端到端的融合感知，充分发挥雷达的测速与全天候优势，弥补视觉与激光雷达的短板。
落地的核心瓶颈：
数据标注难：雷达点云极度稀疏，单帧仅数百至数千个点，无法像图像一样做精准的人工标注，行业普遍采用激光雷达点云做对标标注，成本高、精度受限；
算力约束：雷达端MCU无AI加速算力，无法运行深度学习模型；而域控端的算力优先分配给视觉算法，资源冲突明显；
04、产品篇：方案架构、厂商格局与量产落地
问题1：当前国内量产落地的4D成像毫米波雷达，主流产品方案有哪些？
当前国内4D成像雷达的产品方案，可分为三大类，其中级联方案是量产主流，分布式方案是未来研发重点：
6T8R入门级方案：行业公认的4D成像雷达入门方案，成本低于8T8R方案，主要用于中低端车型的前向雷达，以及高端车型的角雷达，可实现基础的俯仰向分辨率与测高能力，弥补传统3D雷达的短板，目前已有多家厂商实现了规模量产。
8T8R级联方案：该方案使用单片8T8R MMIC芯片，可实现水平角分辨率约2°，俯仰角分辨率约3°，160米以上的小目标稳定检测，完全满足新国标的要求。该方案是目前头部雷达厂家布局的重点。
12T16R/24T24R高阶方案：属于旗舰级4D成像雷达，核心用于L3/L4高阶自动驾驶的安全兜底场景，其中海拉的24T24R方案已在德国大众实现定点，国内厂商均处于测试验证阶段，主机厂已开始联合厂商做实车性能验收，预计2026-2027年实现量产落地。
卫星/分布式雷达方案：核心特征是去掉雷达端的MCU，仅保留MMIC与射频前端，将原始数据传输至域控做集中处理。比亚迪是国内推进该方案最积极的主机厂，几个头部的雷达厂商均参与了项目研发，目前处于量产初期，核心降本目标是将单颗雷达价格控制在180元以内，是行业未来2-3年的核心产品研发方向。
问题2：当前国内4D成像毫米波雷达的厂商竞争格局是怎样的？
国内4D成像毫米波雷达市场，已形成清晰的梯队格局，不同梯队厂商的核心优势与生存策略差异显著：
大规模量产落地的本土头部厂商。代表企业：森思泰克、塞恩灵动等。已实现4D成像雷达的大规模前装量产，算法经过海量实车数据打磨，是当前主机厂的主流选型。这类厂商的核心策略是“以量换价”，通过大规模订单摊薄成本，同时布局高阶方案与卫星雷达，锁定未来主机厂的高阶项目。
国际Tier1厂商。代表企业：大陆、博世、海拉、安波福。核心优势是技术积累深厚，高阶方案成熟，海拉的24T24R方案已在海外实现定点，大陆、博世的3D雷达在国内市场占据垄断地位。但这类厂商的短板是价格高，不愿参与国内市场的低价竞争，在4D成像雷达的国内定点项目中，已被本土厂商超越，仅在合资品牌车型中保持优势。
尚无规模落地的本土厂商。这类企业具备完整的技术储备与研发能力，但在市场竞争中处于被动地位。有些企业因坚持“不做不盈利的生意”，不愿低价竞标，在乘用车4D雷达市场无量产定点。这类厂商布局同时布局非车载赛道，平衡盈利与研发投入，未来生存压力较大。
初创厂商与细分赛道玩家。这类厂商避开乘用车主赛道的价格战，聚焦两轮车、工业、智能家居、智慧养老等细分场景，凭借定制化的方案与灵活的服务，在细分市场实现稳定出货，是行业的重要补充。这类厂商的核心生存逻辑，是在主赛道之外找到高毛利的增量市场，避免与头部厂商的正面竞争。
问题3：4D成像毫米波雷达的未来产品演进方向是什么？
基于行业一线的讨论共识，未来3-5年，4D成像毫米波雷达的产品演进将围绕三大核心方向展开：
成本极致优化，卫星/分布式架构逐步量产落地：随着中央计算电子电气架构的普及，卫星/分布式雷达将从研发走向量产，去掉MCU后的雷达硬件成本将进一步下探，入门级4D雷达价格有望跌破150元，成为10万级车型的标配。
性能持续升级，通道数稳步提升：8T8R方案未来将长期保持主力量产地位，而12T16R、16T16R方案将成为L3级自动驾驶的标配，24T24R及更高通道数的方案，将在L4无人驾驶场景实现落地。同时，雷达的角分辨率、点云密度将持续提升，逐步接近低线束激光雷达的成像效果，在更多场景中实现对激光雷达的补盲，甚至在部分中低端车型中实现对激光雷达的替代。
算法与架构深度融合，从“传感器”走向“感知系统”：4D雷达的算法将从雷达端走向域控端，与自动驾驶的融合感知算法深度耦合，从单纯的硬件传感器，升级为自动驾驶感知系统的核心环节。同时，深度学习算法将逐步在特定场景落地，解决多径抑制、弱目标检测等核心痛点，雷达的虚警率、检测稳定性将实现质的提升，真正成为高阶自动驾驶不可或缺的安全冗余核心。
05、继续讨论
相关主题近期还会继续讨论，假如您对4D成像毫米波雷达技术感兴趣，欢迎参加，共同交流。报名地址：https://dcn7get8fskg.feishu.cn/wiki/LaNVwbdFeizESMkI04UcMaBcnyb
个人观点，未必准确，欢迎讨论。我是雪岭，研究人工智能的技术、产品和应用，欢迎交流。
